SciPy 0.8.0 发布说明 #

SciPy 0.8.0 是 17 个月辛勤工作的结晶。它包含许多新功能、大量的错误修复、改进的测试覆盖率和更好的文档。此版本中有一系列弃用和 API 变更，具体内容如下所述。建议所有用户升级到此版本，因为它包含了大量的错误修复和优化。此外，我们的开发重心现在将转移到 0.8.x 分支的错误修复版本以及开发主干中的新功能添加。此版本需要 Python 2.4 - 2.6 和 NumPy 1.4.1 或更高版本。

请注意，由于我们正致力于发布 SciPy 1.0.0，SciPy 仍被视为处于“Beta”测试阶段。1.0.0 版本的发布将标志着 SciPy 开发的一个重要里程碑，在此之后，更改包结构或 API 将变得更加困难。虽然这些 1.0 版本之前的版本被视为“Beta”测试阶段，但我们致力于使其尽可能没有错误。

然而，在 1.0 版本发布之前，我们正在积极审查和完善其功能、组织和接口。这样做是为了使该软件包尽可能地连贯、直观和有用。为实现这一目标，我们需要用户社区的帮助。具体而言，我们需要关于项目所有方面的反馈——从我们实现的算法到函数调用签名的细节——无所不包。

Python 3 #

Python 3 兼容性已在计划中，并且由于 NumPy 已移植，目前在技术上是可行的。然而，由于兼容 Python 3 的 NumPy 1.5 尚未发布，Scipy 0.8 尚不包含对 Python 3 的支持。计划于 2010 年秋季发布的 SciPy 0.9 很可能包含对 Python 3 的实验性支持。

主要文档改进 #

SciPy 文档得到了极大改进。

已弃用功能 #

交换相关函数输入 (scipy.signal)#

涉及 correlate, correlate2d, convolve 和 convolve2d。如果第二个输入大于第一个输入，则在调用底层计算例程之前会交换输入。此行为已弃用，并将在 scipy 0.9.0 中移除。

废弃的过时代码 (scipy.misc)#

scipy.misc 中的模块 helpmod、ppimport 和 pexec 已弃用。它们将在 SciPy 0.9 版本中移除。

额外弃用项 #

linalg: 函数 solveh_banded 目前返回一个包含 Cholesky 分解和线性系统解的元组。在 SciPy 0.9 中，返回值将仅是解。
函数 constants.codata.find 将生成一个 DeprecationWarning。在 SciPy 0.8.0 版本中，函数中添加了关键字参数 'disp'，默认值为 'True'。在 0.9.0 中，默认值将为 'False'。
signal.chirp 的关键字参数 qshape 已弃用。请改用参数 vertex_zero。
将多项式系数作为参数 f0 传递给 signal.chirp 已弃用。请改用函数 signal.sweep_poly。
io.recaster 模块已弃用，并将在 0.9.0 中移除。

新功能 #

DCT 支持 (scipy.fftpack)#

添加了新的实数变换，即用于离散余弦变换的 dct 和 idct；类型 I、II 和 III 均可用。

fft 函数的单精度支持 (scipy.fftpack)#

fft 函数现在也能处理单精度输入：如果 x 是单精度，fft(x) 将返回一个单精度数组。

目前，对于非 2、3 和 5 的复合数的 FFT 大小，变换在内部以双精度计算，以避免 FFTPACK 中的舍入误差。

LTI 函数的添加和修改 (scipy.signal)#

函数 impulse2 和 step2 已添加到 scipy.signal 中。它们分别使用函数 scipy.signal.lsim2 计算系统的脉冲响应和阶跃响应。
函数 scipy.signal.lsim2 已更改为将任何额外的关键字参数传递给 ODE 求解器。

改进的波形生成器 (scipy.signal)#

scipy.signal 中的 chirp 函数进行了多项改进

当 method=”logarithmic” 时生成的波形已得到修正；它现在生成一种也称为“指数”或“几何”啁啾的波形。（参见 https://en.wikipedia.org/wiki/Chirp。）
新增了 chirp 方法：“hyperbolic”。
现在 chirp 不再使用关键字 qshape，而是使用布尔型关键字 vertex_zero。
chirp 不再处理任意多项式。此功能已移至新函数 sweep_poly。

新增了函数 sweep_poly。

scipy.linalg 中的新函数及其他变更 #

函数 cho_solve_banded、circulant、companion、hadamard 和 leslie 已添加到 scipy.linalg 中。

函数 block_diag 已得到增强，除常规的 2D 参数外，现在还接受标量和 1D 参数。

scipy.optimize 中的新函数及变更 #

已添加 curve_fit 函数；它接受一个函数，并使用非线性最小二乘法将其拟合到所提供的数据。

当求解单个参数时，leastsq 和 fsolve 函数现在返回大小为一的数组而不是标量。

新的稀疏最小二乘求解器 #

函数 lsqr 已添加到 scipy.sparse 中。此例程用于求解大型稀疏线性方程组的最小二乘解。

基于 ARPACK 的稀疏 SVD #

scipy.sparse.linalg._eigen.arpack 中提供了一个稀疏矩阵 SVD 的简单实现。它基于在上使用对称求解器，因此可能不是很精确。

替代行为可用于 `scipy.constants.find`#

关键字参数 disp 已添加到函数 scipy.constants.find 中，默认值为 True。当 disp 为 True 时，行为与 SciPy 0.7 版本相同。当为 False 时，函数返回键列表而不是打印它们。（在 SciPy 0.9 版本中，默认值将反转。）

不完全稀疏 LU 分解 #

SciPy 现在封装了 SuperLU 4.0 版本，它支持不完全稀疏 LU 分解。可以通过 scipy.sparse.linalg.spilu 访问这些功能。升级到 SuperLU 4.0 也修复了一些已知错误。

更快的 MATLAB 文件读取器及默认行为变更 #

我们已用 Cython 重写了 MATLAB 文件读取器，现在它读取 MATLAB 文件的速度应与 MATLAB 本身的速度大致相同。

该读取器可以读取 MATLAB 命名函数和匿名函数，但无法写入它们。

直到 SciPy 0.8.0，我们一直将 MATLAB 结构体数组作为 NumPy 对象数组返回，其中对象具有以结构体字段命名的属性。自 0.8.0 起，我们将 MATLAB 结构体作为 NumPy 结构化数组返回。您可以通过对 scipy.io.loadmat 及相关函数使用可选的关键字参数 struct_as_record=False 来获取旧行为。

MATLAB 文件写入器存在一个不一致之处，它将 NumPy 1D 数组在 MATLAB 5 文件中写入为列向量，在 MATLAB 4 文件中写入为行向量。我们将在下一个版本中更改此行为，以便两者都写入行向量。调用写入器时会发出 FutureWarning 以警告此更改；目前我们建议对 scipy.io.savemat 及相关函数使用 oned_as='row' 关键字参数。

更快地评估正交多项式 #

正交多项式的值可以使用 scipy.special 中的新向量化函数进行评估：eval_legendre, eval_chebyt, eval_chebyu, eval_chebyc, eval_chebys, eval_jacobi, eval_laguerre, eval_genlaguerre, eval_hermite, eval_hermitenorm, eval_gegenbauer, eval_sh_legendre, eval_sh_chebyt, eval_sh_chebyu, eval_sh_jacobi。这比以前唯一可用的构建完整系数表示的方法更快。

请注意，以前的正交多项式例程现在也将尽可能调用此功能。

Lambert W 函数 #

scipy.special.lambertw 现在可用于评估 Lambert W 函数。

改进的超几何 2F1 函数 #

针对实数参数的 scipy.special.hyp2f1 实现已修订。新版本应为所有实数参数生成准确的值。

径向基函数插值更灵活的接口 #

scipy.interpolate.Rbf 类现在除了可以用字符串参数选择的内置径向基函数外，还接受可调用对象作为“function”参数的输入。

已移除功能 #

scipy.stsci: 该包已移除

模块 scipy.misc.limits 已移除。

scipy.io #

NumPy 和 SciPy 中的 IO 代码正在进行大量重构。NumPy 将是用于读写 NumPy 数组的基础代码所在之处，而 SciPy 将包含各种数据格式（数据、音频、视频、图像、MATLAB 等）的文件读写器。

SciPy 0.8.0 版本中移除了 scipy.io 中的多个函数，包括：npfile、save、load、create_module、create_shelf、objload、objsave、fopen、read_array、write_array、fread、fwrite、bswap、packbits、unpackbits 和 convert_objectarray。其中一些函数已被 NumPy 的原始读写功能、内存映射功能或数组方法取代。其他一些已从 SciPy 移至 NumPy，因为基本的数组读写功能现在由 NumPy 处理。